| 作者 |
| 关景新 姜源 |
| 丛书名 |
| 高等职业教育系列教材 |
| 出版社 |
| 机械工业出版社* |
| ISBN |
| 9787111677987 |
| 简要 |
| 简介 |
| 内容简介 本书根据人工智能技术服务专业人才培养的需求，以智能机器人为载体，以揭开人工智能的神秘面纱为主线进行编写，设置了5个学习情境。学习情境1主要介绍人工智能的发展和应用，引起学习者的兴趣；学习情境2主要从智能机器如何进行知识存储的角度来理解人工智能；学习情境3主要从智能机器如何使用知识进行探索世界和求解问题的角度来进一步理解人工智能；学习情境4主要从智能机器如何进行自主学习知识、增长智慧的角度来理解人工智能；学习情境5主要从人工智能的自然辩证法视角理解人工智能的本质，从社会学角度给智能机器添加伦理与法律的约束，从而消除人类对人工智能的恐惧，使得人工智能技术更好地为人类服务。 本书在思政方面围绕“爱国精神、崇尚科技、思维模式、乐观进取”，将其与人工智能技术进行“术道融合”，结合“做中学、做中悟”的方式来开展立德树人的工作。 本书可作为高等职业院校电子信息类专业、机电一体化专业、应用电子技术专业及相关专业的教材，也可作为相关技术人员的参考用书。 |
| 目录 |
| 出版说明 前言 二维码资源清单 学习情境1 让机器走进您的世界—人工智能概述1 情境导入1 情境目标2 知识链接2 11 人工智能简史2 111 全球人工智能发展史2 112 我国人工智能发展史3 12 人工智能的产生7 13 人工智能的发展8 131 计算机时代9 132 人工智能的开端9 133 人工智能程序积累阶段10 134 超越人类的临界点11 14 人工智能的主流学派13 141 符号学派：物理符号系统假说13 142 连接学派14 143 行为学派15 144 三大学派的比较16 15 人工智能的定义17 16 人工智能的五个感官18 17 人工智能的分类19 171 按发展阶段分19 172 按应用领域分19 173 按智能化强弱程度分21 18 人工智能对人类的影响23 情境操作25 19 案例欣赏25 191 案例1 生物表情自动评价：再没有“水军”滥竽充数25 192 案例2 老人身边的医生：人工智能对生命的关怀26 情境小结26 课后习题27 学习情境2 让机器具有知识—知识表示技术29 情境导入29 情境目标29 知识链接30 21 知识的概述30 211 知识、信息和数据31 212 知识的特性32 213 知识的分类33 214 知识表示33 22 知识的表示方法34 221 逻辑表示法34 222 语义网络表示法43 223 框架表示法48 224 产生式表示法49 225 状态空间表示法52 226 问题归约法53 227 面向对象表示法57 228 模糊逻辑表示法60 情境操作65 23 任务实施65 231 任务1 动物识别的产生式知识表示65 232 任务2 传教士和野人过河问题的状态空间知识表示71 233 任务3 摆放家具的面向对象知识表示75 234 任务4 自动控制系统的模糊知识表示80 情境小结83 课后习题83 学习情境3 让机器使用知识—搜索与推理85 情境导入85 情境目标85 知识链接86 31 搜索和推理概述86 311 搜索86 312 推理89 32 状态空间的搜索策略93 321 状态空间搜索的基本思想93 322 图搜索的一般过程94 33 状态空间的盲目搜索95 331 广度优先搜索95 332 深度优先搜索97 333 代价树搜索100 34 状态空间的启发式搜索102 341 启发性信息和估价函数102 342 A算法103 35 遗传算法搜索105 351 遗传算法的结构105 352 遗传算法的基本原理107 353 遗传算法的性能108 36 基于规则的演绎推理108 37 产生式推理109 38 不确定性推理112 381 概率推理112 382 模糊推理112 情境操作114 39 任务实施114 391 任务1 过河问题的状态空间深度优先搜索应用114 392 任务2 八数码问题的启发式搜索应用118 393 任务3 函数最大值的遗传算法搜索应用127 394 任务4 动物识别的产生式推理应用134 395 任务5 自动控制系统的模糊推理应用138 情境小结141 课后习题142 学习情境4 让机器习得知识—机器学习144 情境导入144 情境目标144 知识链接145 41 习得技术概述145 42 学习相关的基本概念146 421 标签146 422 特征146 423 模型147 424 回归与分类147 425 聚类148 43 机器学习的定义149 44 机器学习的过程150 45 机器学习的分类151 46 机器学习的方法152 461 有监督学习152 462 无监督学习153 463 半监督学习154 464 强化学习155 465 迁移学习156 47 机器学习的模型158 471 线性模型158 472 核模型170 473 层级模型172 48 深度学习175 481 深度学习概述175 482 深度学习的模型—神经网络177 483 常用的深度学习框架188 情境操作190 49 任务实施190 491 任务1 自搭建线性模型解决分类问题190 492 任务2 运用TensorFlow框架解决分类问题193 493 任务3 运用层次模型解决招聘程序员薪资预测问题196 494 任务4 运用卷积运算提取图像特征200 495 任务5 运用卷积神经网络CNN识别图像204 情境小结214 课后习题214 学习情境5 让机器成为“社会人”—德才兼备216 情境导入216 情境目标217 知识链接217 51 人工智能的自然辩证法217 511 自然辩证法218 512 人类改造世界的工具219 513 人工智能的本质220 514 人工智能的“工具”特殊性221 52 人工智能的社会约束222 521 人工智能社会223 522 人工智能的社会属性224 523 人工智能社会的特点224 524 人与人工智能的社会关系225 525 人工智能社会的问题226 526 人工智能的伦理规范构建229 527 人工智能的法律规范构建231 情境操作234 53 任务实施234 531 任务1 快速搭建简单的陪伴机器人234 532 任务2 陪伴机器人的伦理案例分析240 情境小结242 课后习题242 参考文献246 |